摘要
本发明属于SOC与SOH估计技术领域,具体涉及一种园区锂电池SOC与SOH联合估计方法及装置,步骤包括采集锂电池在充放电过程中的多维特征数据,提取健康因子,并进行数据的预处理;构建CNN‑BiLSTM模型,并与LightGBM模型结合,构建联合估计模型并训练;将健康因子输入CNN‑BiLSTM模型对SOH进行估计,将多维特征数据以及SOH的估计值输入LightGBM模型对SOC进行估计,得出最终的SOC和SOH联合估计值。本发明通过BiLSTM与CNN建模SOH的时间序列特征,并结合LightGBM进行SOC估算,使得SOC计算能够动态考虑SOH的变化,减少SOC估算误差的累积。
技术关键词
BiLSTM模型
LightGBM模型
联合估计方法
多维特征数据
锂电池
充放电曲线
梯度提升决策树
因子
SOC估算误差
矩阵
sigmoid函数
恒流充电
电压超调量
注意力
时间序列特征
学习器
积分特征
样本
系统为您推荐了相关专利信息
锂电池充电芯片
调节组件
夹紧组件
工作台
点胶器
艉轴承
多维特征数据
多维度特征提取
多模态
润滑
边缘检测设备
红外图像采集仪
乘梯系统
电梯轿厢
工业相机
医疗文本分类方法
学习器
文本分类模型
异构
BiLSTM模型
发电预测方法
BiLSTM模型
粒子群优化算法
发电量
记忆单元